交通运输是城市的根基所在，是城市高速、健康、可持续发展的基本保障和先决条件。城市轨道交通网络作为公共交通运输系统的骨干，具有安全、准时、便捷、节能、舒适以及大众化等优点，在交通系统中占据着不可或缺的重要地位。然而随着城市人口膨胀和经济高速发展，人们对城市轨道交通网络的需求增长速度已经远远超过了轨道交通的建设速度，对轨道交通系统的要求也更加严苛。除了运能高、快速等要求，人们对安全性、准时性、停站精度、舒适度以及能耗等方面也有更高的要求。国内外已经有不少学者对列车运行曲线优化进行了大量研究，使用了模拟退火（SA，Simulated Annealing）、遗传算法（GA，Genetic Algorithm）、模糊预测控制（PFC，Predictive Fuzzy Control）等方法。但是这些研究大多都只对能耗等一个或两个性能指标进行优化，并未全面考虑准时性、停站精度以及舒适度等其他性能指标。因此研究城市轨道交通列车运行曲线在上述多个性能指标下的最优控制具有重要的现实意义。　　本文首先对列车自动控制系统（ATC）进行了总体介绍，重点阐述了列车自动驾驶系统（ATO）的结构和功能，并设计实现了列车自动控制系统软件仿真平台，该平台能够对列车运行能力进行离线分析，为实际线路的升级改造提供决策支持，能够提高效率、节约成本，具有广泛的应用价值。然后对城市轨道交通列车动力学模型和制动求解模型进行了深入分析，提出了列车运行过程的性能指标及其评价函数，在此基础上，提出了列车运行曲线的多目标优化问题及其优化模型。最后在充分调研各种优化算法的特点和分析列车ATP限速曲线特点的基础上，提出了基于动态规划和粒子群算法的二阶段优化算法，对列车运行曲线优化问题进行求解，并进行仿真实验，验证了该二阶段优化算法在保障安全性的前提下，在准时性、停站精度、舒适度、能耗等方面的优化效果。同时将该算法的优化结果与模糊预测控制的结果进行对比，分析其优缺点；设置相应的权重比例，验证该算法在不同优化需求下的灵活性。　　仿真实验结果表明，与模糊预测控制相比，基于动态规划与粒子群算法的二阶段优化算法在列车运行曲线多目标优化问题上有更大的优势，主要体现在：更快的响应性和更好的预测性；运行曲线更稳定更平滑，舒适度更高；在节时模式下，具有更高的准时性，与PFC相比，其运行时间误差减小了4.6％；在保障安全性的前提下，能够同时对多个性能指标进行优化，获得了在准时性、停站精度、舒适度和能耗等方面都有所改善的优化曲线。本文研究的二阶段优化方法具有很好的研究和应用价值，同时也为列车运行优化领域的研究提供了探索方法和实验方法。